Atribuição

• Trata-se da famosa ‘setinha’ que indica objetos (valores, vetores, dataframes) para alguma etiqueta
• Dessa maneira, podemos ‘salvar’ os objetos nas etiquetas para utilizarmos através dessas em qualquer momento ao longo do script
• Quando utilizadas em operações, as etiquetas representam aquilo que fora atribuído a elas
• Quando criamos a etiqueta, não geramos outputs, apenas quando rodamos diretamente a etiqueta

sorte <- 5

Regras do uso da setinha

• Atenção, letras maiúsculas e minúsculas importam

sorte <- 5

Sorte

# Erro: objeto 'Sorte' não encontrado

Regras do uso da setinha

• Também não podemos criar etiquetas que começam com números

15luck <- 15

# Erro: unexpected symbol in "15luck"

Cuidado com a utilização de etiquetas (nomes de objetos) com o mesmo nome de funções, pode gerar confusão no script

Classes

Em basicamente tudo que iremos fazer no R, a classe da informação importa Em termos elementares, ou ao nível dos valores, existem três grandes classes:
- Numeric (númerico);
- Logical (lógico);
- Character ou factor (caracteres);

Para obter a informação sobre a classe, iremos aprender nossa primeira função no R: class()

Númerico

• numeric é a classe composta por valores númericos

class(sorte)

[1] "numeric"

• Objetos deste tipo permitem funções matemáticas como média, mediana etc…

Separador de decimais = .

• No caso de valores decimais, utilizamos ponto em vez de vírgula

decimal <- 3,5

# Erro: ',' inesperado in "decimal <- 3,"

decimal <- 3.5

Lógico

• logical é a classe composta por TRUE, FALSE e NA

vdd <- TRUE

class(vdd)

[1] "logical"

• Não é preciso escrever sempre TRUE e FALSE, podemos resumir para T e F, respectivamente

• Por trás dos valores T e F, há valores númericos correspondente a 1 e 0

T + F

[1] 1

Caracteres

• character é a classe composta por nomes

• Importante característica é que os nomes devem estar dentro de aspas, caso contrário, o R não reconhecerá como caracter

nome <- "Fred"

nome

[1] "Fred"

class(nome)

[1] "character"

Caracteres vs Fatores

• Em termos estatísticos, não há diferença entre caracteres e fatores
• Fatores apresentam as categorias por dentro de vetor.
• Em termos de manipulação de dataframes, porém, veremos que esses dois objetos terão tratamento distintos, a começar pela importação da base e a definição de string tratada como factor

O que são vetores?

• Vetores são combinações de valores em uma estrutura unidimensional
• Ou seja, podem ser combinações de números, valores lógicos, nomes e várias outras possibilidades
• Por exemplo, combinação de valores pares: 2,4,6,8
• Ou a combinações de nomes começando por P: Pedro, Paula, Pietro, Paloma
• Combinação de valores lógico: TRUE, FALSE, TRUE, TRUE

Criação de vetores

• Para criar vetores é importante combinar valores
• A função necessária para a criação de vetores é a função c(), c de combine ou concatenate

c(2,4,6,8)

[1] 2 4 6 8

c("Pedro","Paula","Pietro","Paloma")

[1] "Pedro"  "Paula"  "Pietro" "Paloma"

c(TRUE,FALSE,TRUE,FALSE)

[1]  TRUE FALSE  TRUE FALSE

Etiquetas para vetores

• Assim como fizemos com os valores, atribuímos também etiquetas aos vetores
• Dessa maneira, podemos trabalhar com as sequências ao longo do script, assim como dar razão ou justificativa aos valores combinados

n.pares <- c(2,4,6,8)

nomes.com.p <- 
c("Pedro","Paula","Pietro","Paloma") 

valores.log <- c(TRUE,FALSE,TRUE,FALSE)

Classes dos vetores

• Os vetores também possuem classes
• Essas categorias determinam as operações possíveis dentro de um vetor
• Para obter a informação sobre a classe de um vetor, utilizamos a função class()

class(n.pares)

[1] "numeric"

class(nomes.com.p)

[1] "character"

class(valores.log)

[1] "logical"

Comprimento de vetores

• Os vetores podem ser medidos em relação ao seu comprimento
• O seu comprimento define a extensão do vetor, assim como quantos elementos estão presentes dentro da combinação de valores
• O comprimento pode ser medido pela função length()

length(n.pares)

[1] 4

length(nomes.com.p)

[1] 4

length(valores.log)

[1] 4

Somatório de vetores

• Para vetores númerico podemos somar os valores de um vetor
• A função se chama sum() que corresponde ao \(\sum\)

sum(n.pares)

[1] 20

• Em vetores com valores lógicos, com TRUE e FALSE, o sum soma o número de T que temos dentro de um vetor

sum(valores.log)

[1] 2

Somatório de vetores lógicos

• A função sum() pode se tornar ainda um contador de um teste
• Por exemplo, queremos saber quantos nomes são iguais ao de Pedro no vetor ‘nomes.com.p’

teste1 <- nomes.com.p == "Pedro"

sum(teste1)

[1] 1

teste1

[1]  TRUE FALSE FALSE FALSE

Seleção de elementos

• Queremos selecionar no vetor nomes.com.p o segundo elemento que é Paula
• Vejamos, primeiro, como se compõe o vetor de caracteres nomes.com.p e a lógica do posicionamento dentro do vetor

nomes.com.p

[1] "Pedro"  "Paula"  "Pietro" "Paloma"

Usando %in% na Seleção de elementos

• Vamos testar se Paula se inclui dentro do vetor sem termos que ver no console
• As vezes, vetores são maiores do que temos como exemplo
• Para o teste lógico, utilizamos o operador %in%, que retorna TRUE, caso o valor esteja incluso no vetor

"Paula" %in% nomes.com.p

[1] TRUE

Regras de Seleção de elementos

• Algumas operações se restrigem a determinados elementos ou a um conjunto deles incluso dentro de um vetor
• Para realizar tais procedimentos precisamos saber escolher elementos
• Para isso, utilizaremos o operador ‘[]’ depois de apontar o vetor
• Mais especificamente: Vetor; []; Posição ou regra;

Alternativas de Seleção 1

• Para escolhar Paula, portanto, vamos definir como a segunda posição dentro do vetor

nomes.com.p[2]

[1] "Paula"

• O posicionamento dos nomes ao longo do vetor determina como seleciona-lo individualmente
• Porém, podemos selecionar através do valor

nomes.com.p[nomes.com.p == "Paula"]

[1] "Paula"

Alternativas de Seleção 2

• Selecionamos também o último valor do vetor nomes.com.p
• Sabemos que o vetor possui 4 valores utilizando a função length()

length(nomes.com.p)

[1] 4

Alternativas de Seleção 3

• Assim o último valor é igual a 4
• Para selecionarmos o último valor, ou definimos como a posição 4 ou apenas o length() do vetor

nomes.com.p[4]

[1] "Paloma"

nomes.com.p[length(nomes.com.p)]

[1] "Paloma"

Seleção de elementos

• Para seleção de elementos através de regras, podemos utilizar o vetor númerico de n.pares

n.pares  <- c(2,4,6,8)

n.pares

[1] 2 4 6 8

• O objetivo aqui é selecionar os elementos maiores que 5, que é a mediana do vetor

median(n.pares)

[1] 5

Seleção de elementos

• Selecionamos, assim, os elementos acima da mediana do vetor n.pares, que são os valores 6 e 8

n.pares[n.pares > 5]

[1] 6 8

• Ou ainda podemos definir o valor 5 como o valor da mediana
• O resultado é o mesmo, porém, deixa claro ao leitor do seu script que se trata dos valores acima da mediana do vetor n.pares

n.pares[n.pares > median(n.pares)]

[1] 6 8

Operações com vetores

• Em vetores numéricos, podemos fazer operações matemáticas a partir do seu posicionamento
• Vamos calcular o alcance do vetor “n.pares”

#ultimo elemento 
n.pares[length(n.pares)]

[1] 8

#primeiro elemento
n.pares[1]

[1] 2

• Subtraindo esses dois elementos, temos o alcance do vetor

n.pares[length(n.pares)] - n.pares[1]

[1] 6

Operações com vetores

• Ainda em vetores numéricos, vamos calcular vetores com regras
• Selecionamos elementos maiores que 5

n.pares[n.pares >= 5]

[1] 6 8

• Queremos duplicar os valores inclusos dentro da condição

n.pares[n.pares >= 5] * 2

[1] 12 16

• Por fim, operacionar um conjunto com um elemento

n.pares[n.pares >= 5] * n.pares[1]

[1] 12 16

Conjuntos

• Utilizamos a teoria de conjuntos no R com a função de manipular e identificar elementos comuns ou diferente entre vetores
• Já temos o vetor “n.pares” e vamos criar um vetor com números naturais

n.naturais <- c(0,1,2,3,4,5,6,7,8,9)
n.naturais

 [1] 0 1 2 3 4 5 6 7 8 9

• Se perguntarmos por valores que não estão no vetor “n.naturais”, o resultado será conjunto vazio

n.naturais[n.naturais == 10]

numeric(0)

Conjuntos

• Outro ponto importante é saber se os elementos estão contidos dentro de outro vetor
• A pergunta a se fazer é: os elementos do vetor “n.partidos” está contido no vetor “n.naturais”
• No R, contidos é igual a %in%

n.pares %in% n.naturais

[1] TRUE TRUE TRUE TRUE

Conjuntos

• Isto é, o vetor “n.pares” está contido no vetor “n.naturais” e é um subconjunto
• Outra maneira é utilizando a função is.element()

is.element(n.pares,n.naturais)

[1] TRUE TRUE TRUE TRUE

Conjuntos

• Para encontrar os valores exclusivos de um conjunto, vamos utilizar a escrita da seleção de elementos
• Podemos incluir a notação de “!”, que quer dizer diferente
• Portanto, selecionamos os valores que estão contido no conjunto dos naturais, porém não no conjunto dos valores pares

n.naturais[!is.element(n.naturais,n.pares)]

[1] 0 1 3 5 7 9

Conjuntos

• Por fim, vamos testar se um valor está presente em um desses vetores
• Testaremos os valores 1, 11 e 21

1 %in% c(n.naturais,n.pares)

[1] TRUE

11 %in% c(n.naturais,n.pares)

[1] FALSE

21 %in% c(n.naturais,n.pares)

[1] FALSE

• Assim, não temos os valores 11 e 21 em nenhum dos vetores, entendidos como conjuntos

data.frame

• Um data.frame é o mesmo que uma tabela do SQL ou uma planilha Excel

• seus dados provavelmente serão importados para um objeto data.frame

• data.frame’s são listas especiais em que todos os elementos possuem o mesmo comprimento.

• Cada elemento dessa lista pode ser pensado como uma coluna da tabela - ou como uma variável. Uso do ‘$’

• Seu comprimento representa o número de linhas - ou seja, de observações

Estrutura de dados - data.frame

data.frame de perto

• Como data.frames’s são listas, suas colunas podem ser de classes diferentes. Essa é a grande diferença entre data.frame’s e matrizes.

Funções úteis:

head() # Mostra as primeiras 6 linhas.
tail() # Mostra as últimas 6 linhas.
dim() # Número de linhas e de colunas.
names() # Os nomes das colunas (variáveis).
str() # Estrutura do data.frame. Mostra, entre outras coisas, as >classes de cada coluna.
cbind() # Acopla duas tabelas lado a lado.
rbind() # Empilha duas tabelas.

O que são pacotes

• O R possui diversas funções já instaladas dentro da sua programação

• Exemplos são sum(), length(), class(), c()

• Outras, porém, devem ser instaladas para que possam ser utilizadas pelos usuários

• A forma como instalamos novas funções, não definidas anteriormente no software, é através de pacotes

O que são pacotes

Pacotes concentram diversas funções para diversas demandas

• Importação de dados;

• Organização de banco de dados;

• Análises estatísticas específicas;

• Gráficos diferenciados;

O que são pacotes

• A instalação de qualquer pacote pode ser feita por dentro do R
• Para isso, porém, é preciso primeiro conexão com a internet, já que o R busca o novo pacote no repositório de pacotes
• A função para instalar pacote, portanto, é install.packages()
• O nome da nova função deve vir, primeiramente entre parenteses

O que são pacotes

• Podemos começar instalando o pacote para importação de bases de dados: foreign

install.packages("foreign")

• Após alguns segundos, e algumas mensagens no console, a instalação será efetivada

Ativar pacotes

• Cada pacote, inclusive o foreign, tem uma documentação disponível na internet
• Nessa documentação estão disponíveis as funções que o pacote possui, além do nome do seu criador
• As função não ficam disponíveis assim que o pacote termina a instalação
• Para ativar as funções do pacote, é preciso utilizar a função library()

library(foreign)

• Repare, que uma vez instalado, o nome do pacote não precisa mais estar entre aspas

Ativar pacotes

• Portanto, para começarmos o procedimento de instalação do pacote, seguimos os passos a seguir:
  Caso não esteja instalado, instalar o pacote através da função install.packages();
  Para ativar o pacote, utilizar a função library() sem as aspas no nome do pacote instalado

install.packages("foreign")
library(foreign)

• Uma vez instalado o pacote, não é preciso instalar mais a não ser que você reinstale o R

Passo a passo

• A importação é uma das tarefas que demandam mais atenção no R
• É preciso ter um conhecimento prévio de como sua base externa está constituída
• Outra informação importante é a extensão do arquivo da base

Passo a passo

• Primeiramente, a informação que deve ser dada ao software é onde está a base - diretório de trabalho
• A função para isso é setwd(), que define o diretório da sua seção no R
• Dentro da função, iremos inserir o local do arquivo

Antigamento, em caso de Windows, era necessário inverter as barras ou duplicar.

• Não se esqueça das aspas!

setwd("~/Documents/emcs_2025/aula2") # mmudando meu diretorio de trabalho

Passo a passo

• Esse diretório definido significa que as bases e os gráficos produzidos serão enviados para essa pasta
• Finalmente, vamos importar as bases de dados
• Vamos começar importando a base de extensão .txt com o nome baserm
• Não é preciso de pacote para esse procedimento

Passo a passo

lines <- readLines("dados/baserm.txt")

baserm <- read.table(text = lines, sep = '\t')

• Repare que definimos a base dentro das aspas e com a extensão
• Na segunda linha, o primeiro argumento é o texto, o segundo argumento trata de como os dados estão separados, geralmente txt vem separado assim

Passo a passo

• No pacote foreign, a forma mais genérica de importação da base é o read.table()
• Entretanto, o pacote apresenta uma série de especialidades, a depender da extensão em questão
• Para CSV, vimos que tem a read.csv(). Já para dta, base de origem do stata, temos a função read.dta()

Passo a passo

• O pacote foreign não possui a extensão xlsx e xls, extensão muito encontrada e comum entre as bases de dados disponíveis
• Para isso, vamos instalar um novo pacote readxl

install.packages("readxl")

• Esse pacote disponibiliza as funções read_xls() e read_xlsx()

Passo a passo

• Vamos ativar as funções disponíveis no pacote readxl com a função library()

library(readxl)

• Vamos importar a base controle_cgu_municípios.xlsx

cgu <- 
read_xlsx("dados/controle_cgu_municípios.xlsx")

Passo a passo

• Repare que acessamos apenas a primeira página da base
• Para acessarmos a segunda página, utilizamos o argumento sheet=2

cgu <- 
read_xlsx("dados/controle_cgu_municípios.xlsx", 
sheet = 2)

• Alguns sinais de alerta surgem, porém não se trata de erro

Importação por pacote

• Por fim, podemos importar dados através de pacotes

pacman::p_load(electionsBR)

• Após ativar o pacote “ElectionsBR”, a função legend_fed() fica disponível para a importação
• Como toda a função, ou quase todas, possui argumentos importantes:
  • ‘year =’ se refere ao ano de extração
  • ‘uf =’ se refere à UF

Importação

• Vamos começar importando dados de coalizões pré-eleitorais (coligações) do DF em 2018, nos retornando um objeto em ‘tbl_df’ e data frame

library(electionsBR)
leg_df_2018 <- legend_fed(year = 2018,uf="DF")

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |===                                                                   |   4%
  |                                                                            
  |=====                                                                 |   7%
  |                                                                            
  |=======                                                               |  10%
  |                                                                            
  |=========                                                             |  13%
  |                                                                            
  |================                                                      |  22%
  |                                                                            
  |==================                                                    |  26%
  |                                                                            
  |======================                                                |  32%
  |                                                                            
  |=============================                                         |  41%
  |                                                                            
  |=====================================                                 |  52%
  |                                                                            
  |=======================================                               |  56%
  |                                                                            
  |=============================================                         |  64%
  |                                                                            
  |===============================================                       |  68%
  |                                                                            
  |===========================================================           |  85%
  |                                                                            
  |================================================================      |  92%
  |                                                                            
  |===================================================================   |  96%
  |                                                                            
  |======================================================================| 100%

  - Provavelmente, demorará alguns segundos, até minutos, para a importação
  - Além disso, essa forma **demanda acesso à internet**

Visualizando a base

• Primeira coisa importante de se informar é a classe desses objetos
• Temos 3 objetos: baserm, cgu e leg_df_2018

class(baserm)

[1] "data.frame"

class(cgu)

[1] "tbl_df"     "tbl"        "data.frame"

class(leg_df_2018)

[1] "tbl_df"     "tbl"        "data.frame"

Visualizando a base

• Uma visão completa da base é o comando View()

View(leg_df_2018)

• Repare no V maiúsculo, lembre-se que o R é bastante sensível na sua linguagem
• O View() abre uma nova aba com a base no formato de grade
• Podemos, assim, visualizar a base de dados na forma mais intuitiva

Visualizando a base

• Para bases grandes, pode ser reuim utilizar View()
• Outras funções podem nos ajudar nessa tarefa
• A primeira é o dim, que as dimensões da base

dim(leg_df_2018)

[1] 251  28

• O primeiro valor sempre retrata o número de linhas, ou observações, enquanto o segundo valor apresenta o número de colunas, ou variáveis
• As funções ncol() e length() também fazem isso

Visualizando a base

• Outra função importante na visualização de bases de dados é a lista de nomes
• A função names() descreve as variáveis presentes na base
• Isso facilita no momento de selecionar as variáveis que entrarão na análise de vocês

names(leg_df_2018)

 [1] "DT_GERACAO"               "HH_GERACAO"              
 [3] "ANO_ELEICAO"              "CD_TIPO_ELEICAO"         
 [5] "NM_TIPO_ELEICAO"          "NR_TURNO"                
 [7] "CD_ELEICAO"               "DS_ELEICAO"              
 [9] "DT_ELEICAO"               "SG_UF"                   
[11] "SG_UE"                    "NM_UE"                   
[13] "CD_CARGO"                 "DS_CARGO"                
[15] "TP_AGREMIACAO"            "NR_PARTIDO"              
[17] "SG_PARTIDO"               "NM_PARTIDO"              
[19] "NR_FEDERACAO"             "NM_FEDERACAO"            
[21] "SG_FEDERACAO"             "DS_COMPOSICAO_FEDERACAO" 
[23] "SQ_COLIGACAO"             "NM_COLIGACAO"            
[25] "DS_COMPOSICAO_COLIGACAO"  "CD_SITUACAO_LEGENDA"     
[27] "DS_SITUACAO"              "NM_TIPO_DESTINACAO_VOTOS"

Visualizando a base - str()

• Outra função possível é o str()
• Essa função apresenta o nome das variáveis, a classe de cada uma delas e os primeiros valores

str(leg_df_2018)

tibble [251 × 28] (S3: tbl_df/tbl/data.frame)
 $ DT_GERACAO              : chr [1:251] "13/11/2024" "13/11/2024" "13/11/2024" "13/11/2024" ...
 $ HH_GERACAO              : 'hms' num [1:251] 10:54:54 10:54:54 10:54:54 10:54:54 ...
  ..- attr(*, "units")= chr "secs"
 $ ANO_ELEICAO             : num [1:251] 2018 2018 2018 2018 2018 ...
 $ CD_TIPO_ELEICAO         : num [1:251] 2 2 2 2 2 2 2 2 2 2 ...
 $ NM_TIPO_ELEICAO         : chr [1:251] "ELEIÇÃO ORDINÁRIA" "ELEIÇÃO ORDINÁRIA" "ELEIÇÃO ORDINÁRIA" "ELEIÇÃO ORDINÁRIA" ...
 $ NR_TURNO                : num [1:251] 1 1 1 1 1 1 1 1 1 1 ...
 $ CD_ELEICAO              : num [1:251] 297 297 297 297 297 297 297 297 297 297 ...
 $ DS_ELEICAO              : chr [1:251] "Eleições Gerais Estaduais 2018" "Eleições Gerais Estaduais 2018" "Eleições Gerais Estaduais 2018" "Eleições Gerais Estaduais 2018" ...
 $ DT_ELEICAO              : chr [1:251] "07/10/2018" "07/10/2018" "07/10/2018" "07/10/2018" ...
 $ SG_UF                   : chr [1:251] "DF" "DF" "DF" "DF" ...
 $ SG_UE                   : chr [1:251] "DF" "DF" "DF" "DF" ...
 $ NM_UE                   : chr [1:251] "DISTRITO FEDERAL" "DISTRITO FEDERAL" "DISTRITO FEDERAL" "DISTRITO FEDERAL" ...
 $ CD_CARGO                : num [1:251] 8 9 3 9 4 8 8 5 3 8 ...
 $ DS_CARGO                : chr [1:251] "DEPUTADO DISTRITAL" "1º SUPLENTE" "GOVERNADOR" "1º SUPLENTE" ...
 $ TP_AGREMIACAO           : chr [1:251] "COLIGAÇÃO" "COLIGAÇÃO" "COLIGAÇÃO" "PARTIDO ISOLADO" ...
 $ NR_PARTIDO              : num [1:251] 50 18 27 30 44 23 16 16 90 77 ...
 $ SG_PARTIDO              : chr [1:251] "PSOL" "REDE" "DC" "NOVO" ...
 $ NM_PARTIDO              : chr [1:251] "PARTIDO SOCIALISMO E LIBERDADE" "REDE SUSTENTABILIDADE" "DEMOCRACIA CRISTÃ" "PARTIDO NOVO" ...
 $ NR_FEDERACAO            : num [1:251] -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 ...
 $ NM_FEDERACAO            : chr [1:251] "#NULO#" "#NULO#" "#NULO#" "#NULO#" ...
 $ SG_FEDERACAO            : chr [1:251] "#NULO#" "#NULO#" "#NULO#" "#NULO#" ...
 $ DS_COMPOSICAO_FEDERACAO : chr [1:251] "#NULO#" "#NULO#" "#NULO#" "#NULO#" ...
 $ SQ_COLIGACAO            : num [1:251] 7e+10 7e+10 7e+10 7e+10 7e+10 ...
 $ NM_COLIGACAO            : chr [1:251] "ELAS POR NÓS: SEM MEDO DE MUDAR O DF" "Brasília de Mãos Limpas" "CORAGEM E RESPEITO PELO POVO" "#NULO#" ...
 $ DS_COMPOSICAO_COLIGACAO : chr [1:251] "PSOL / PCB" "PSB / PV / PC do B / PDT / REDE" "PR / PSDB / DEM / DC" "NOVO" ...
 $ CD_SITUACAO_LEGENDA     : chr [1:251] "D" "D" "D" "D" ...
 $ DS_SITUACAO             : chr [1:251] "DEFERIDO" "DEFERIDO" "DEFERIDO" "DEFERIDO" ...
 $ NM_TIPO_DESTINACAO_VOTOS: chr [1:251] "Válido (legenda)" "#NE" "#NE" "#NE" ...
 - attr(*, ".internal.selfref")=<externalptr> 

Visualizando a base - head()

• Finalmente, a função head() e tail()
• A primeira função apresenta os primeiros valores de uma base de dados

head(leg_df_2018,2)

# A tibble: 2 × 28
  DT_GERACAO HH_GERACAO ANO_ELEICAO CD_TIPO_ELEICAO NM_TIPO_ELEICAO   NR_TURNO
  <chr>      <time>           <dbl>           <dbl> <chr>                <dbl>
1 13/11/2024 10:54:54          2018               2 ELEIÇÃO ORDINÁRIA        1
2 13/11/2024 10:54:54          2018               2 ELEIÇÃO ORDINÁRIA        1
# ℹ 22 more variables: CD_ELEICAO <dbl>, DS_ELEICAO <chr>, DT_ELEICAO <chr>,
#   SG_UF <chr>, SG_UE <chr>, NM_UE <chr>, CD_CARGO <dbl>, DS_CARGO <chr>,
#   TP_AGREMIACAO <chr>, NR_PARTIDO <dbl>, SG_PARTIDO <chr>, NM_PARTIDO <chr>,
#   NR_FEDERACAO <dbl>, NM_FEDERACAO <chr>, SG_FEDERACAO <chr>,
#   DS_COMPOSICAO_FEDERACAO <chr>, SQ_COLIGACAO <dbl>, NM_COLIGACAO <chr>,
#   DS_COMPOSICAO_COLIGACAO <chr>, CD_SITUACAO_LEGENDA <chr>,
#   DS_SITUACAO <chr>, NM_TIPO_DESTINACAO_VOTOS <chr>

• O segundo argumento serve para indicar quantas linhas serão apresentadas

Visualizando a base - head()

• Tail(), por outro lado, apresenta os últimos valores de uma base de dados

tail(leg_df_2018,2)

# A tibble: 2 × 28
  DT_GERACAO HH_GERACAO ANO_ELEICAO CD_TIPO_ELEICAO NM_TIPO_ELEICAO   NR_TURNO
  <chr>      <time>           <dbl>           <dbl> <chr>                <dbl>
1 13/11/2024 10:54:54          2018               2 ELEIÇÃO ORDINÁRIA        1
2 13/11/2024 10:54:54          2018               2 ELEIÇÃO ORDINÁRIA        1
# ℹ 22 more variables: CD_ELEICAO <dbl>, DS_ELEICAO <chr>, DT_ELEICAO <chr>,
#   SG_UF <chr>, SG_UE <chr>, NM_UE <chr>, CD_CARGO <dbl>, DS_CARGO <chr>,
#   TP_AGREMIACAO <chr>, NR_PARTIDO <dbl>, SG_PARTIDO <chr>, NM_PARTIDO <chr>,
#   NR_FEDERACAO <dbl>, NM_FEDERACAO <chr>, SG_FEDERACAO <chr>,
#   DS_COMPOSICAO_FEDERACAO <chr>, SQ_COLIGACAO <dbl>, NM_COLIGACAO <chr>,
#   DS_COMPOSICAO_COLIGACAO <chr>, CD_SITUACAO_LEGENDA <chr>,
#   DS_SITUACAO <chr>, NM_TIPO_DESTINACAO_VOTOS <chr>

Uso do $

Lembrando que dataframes são listas de vetores

leg_df_2018$SG_PARTIDO

  [1] "PSOL"          "REDE"          "DC"            "NOVO"         
  [5] "PRP"           "PPS"           "PSTU"          "PSTU"         
  [9] "PROS"          "SOLIDARIEDADE" "PSB"           "PR"           
 [13] "DC"            "PSD"           "DEM"           "DC"           
 [17] "DC"            "PODE"          "PSB"           "PC do B"      
 [21] "DEM"           "PHS"           "PSOL"          "PPL"          
 [25] "PROS"          "PMB"           "PSD"           "PRTB"         
 [29] "DEM"           "PDT"           "PSTU"          "PV"           
 [33] "PHS"           "PSD"           "NOVO"          "AVANTE"       
 [37] "PSOL"          "PCO"           "PT"            "PSDB"         
 [41] "PP"            "PSOL"          "PATRIOTA"      "PSC"          
 [45] "MDB"           "PCB"           "PPL"           "NOVO"         
 [49] "PHS"           "PV"            "NOVO"          "PV"           
 [53] "PT"            "REDE"          "PMN"           "PP"           
 [57] "PCO"           "PR"            "REDE"          "PRTB"         
 [61] "PTB"           "PV"            "MDB"           "PTB"          
 [65] "PV"            "PATRIOTA"      "PSC"           "PSOL"         
 [69] "PCB"           "REDE"          "PP"            "PSC"          
 [73] "PTB"           "MDB"           "PSC"           "PMN"          
 [77] "DEM"           "PSTU"          "PROS"          "PRB"          
 [81] "PCO"           "PP"            "PROS"          "PSB"          
 [85] "PRP"           "PSTU"          "PSC"           "PTC"          
 [89] "PTB"           "PODE"          "PSDB"          "PDT"          
 [93] "PT"            "PP"            "PRP"           "PSD"          
 [97] "PSD"           "PMN"           "PSL"           "PSOL"         
[101] "PTC"           "PSTU"          "PCO"           "PSL"          
[105] "DC"            "REDE"          "PDT"           "PPS"          
[109] "PRTB"          "PODE"          "PRP"           "PC do B"      
[113] "PMN"           "PSD"           "PSD"           "PDT"          
[117] "PSDB"          "PPL"           "PCO"           "PSL"          
[121] "PP"            "PTC"           "PSB"           "PMN"          
[125] "PRB"           "PHS"           "PPS"           "PPS"          
[129] "PMN"           "PROS"          "PT"            "PTC"          
[133] "AVANTE"        "PCB"           "DEM"           "SOLIDARIEDADE"
[137] "DEM"           "NOVO"          "PATRIOTA"      "MDB"          
[141] "PSL"           "PTC"           "PTC"           "DEM"          
[145] "PDT"           "PATRIOTA"      "PSB"           "NOVO"         
[149] "PODE"          "PSB"           "PR"            "PRTB"         
[153] "AVANTE"        "PR"            "PODE"          "REDE"         
[157] "PODE"          "PMB"           "NOVO"          "PRP"          
[161] "PDT"           "PCB"           "PPS"           "PSL"          
[165] "PCO"           "AVANTE"        "DC"            "PR"           
[169] "SOLIDARIEDADE" "PRP"           "PSL"           "PSDB"         
[173] "PMB"           "PRTB"          "PPS"           "PV"           
[177] "SOLIDARIEDADE" "PMN"           "PROS"          "PSDB"         
[181] "PT"            "PHS"           "PPL"           "PPS"          
[185] "PR"            "PDT"           "PSC"           "PC do B"      
[189] "PRB"           "PHS"           "AVANTE"        "PV"           
[193] "PR"            "PT"            "PT"            "PATRIOTA"     
[197] "PR"            "PC do B"       "PMB"           "PSC"          
[201] "PMB"           "PRP"           "PPL"           "MDB"          
[205] "PRB"           "PDT"           "PTB"           "PSTU"         
[209] "DC"            "PSDB"          "PR"            "PRTB"         
[213] "MDB"           "PR"            "AVANTE"        "PSDB"         
[217] "PRB"           "PC do B"       "PTB"           "PC do B"      
[221] "PCB"           "PRTB"          "PMB"           "PSOL"         
[225] "PATRIOTA"      "PRB"           "REDE"          "PROS"         
[229] "PTC"           "PCB"           "PATRIOTA"      "PCO"          
[233] "PMB"           "AVANTE"        "PRB"           "PPL"          
[237] "PSB"           "PHS"           "PTB"           "MDB"          
[241] "SOLIDARIEDADE" "PCB"           "PV"            "PP"           
[245] "PR"            "PODE"          "PSL"           "PC do B"      
[249] "PPL"           "SOLIDARIEDADE" "SOLIDARIEDADE"